智能车惯性视觉自主定位技术

本书首先介绍了智能车自主定位相关概念和技术发展，然后介绍了惯性视觉定位理论基础，重点讲解了视觉特征检测与匹配、基于车辆运动估计的立体视觉定位和视觉惯性特征融合优化定位等关键技术，拓展了基于特征融合的视觉惯性定位技术。最后总结视觉惯性定位技术的最新发展方向及应用。

第1章智能车自主定位概述
11智能车自动驾驶技术发展
12智能车定位技术发展
13视觉/惯性定位技术发展
131视觉SLAM的发展与研究现状
132视觉惯性SLAM的发展与研究现状
14研究目标、内容和组织架构
141研究目标
142研究内容与组织架构
参考文献
第2章视觉/惯性定位理论基础
21视觉传感器类型及应用
22特征点的提取与跟踪
221特征点的提取
222图像特征的匹配与跟踪
23视觉惯性导航系统
24视觉惯性联合标定
241相机与IMU联合时间标定
242相机与IMU硬件同步
25转换与扰动模型
26捷联式惯性导航系统
261姿态角的计算
262姿态速度的计算
263姿态矩阵的更新
27本章小结
参考文献
第3章基于车辆运动估计的立体视觉定位
31双目相机模型
32多视角几何知识
321对极几何约束
322本质矩阵
33立体视觉定位框架
34车辆运动模型
35基于车辆运动估计的立体视觉定位算法
351车辆运动估计算法
352基于随机抽样一致的非线性最小二乘优化
36实验与分析
37本章小结
参考文献
第4章基于像素/亚像素融合的特征检测方法
41亚像素级特征检测算法
42点线特征匹配
43像素/亚像素特征融合检测算法流程
44实验与分析
441算法性能分析
442定位精度分析
45本章小结
参考文献
第5章基于点线特征结合的前端处理算法
51点线融合VSLAM的发展与研究现状
52特征线的提取
521LSD线特征提取算法
522LBD线特征提取算法
523EDLines线特征提取算法
53点线特征误差模型构建
531点特征重投影误差模型
532线特征重投影误差模型
54亚像素级点线特征融合的定位算法
541算法流程框架
542实验与分析
55亚像素级点线特征融合优化的定位算法
551算法流程框架
552实验与分析
56本章小结
参考文献
第6章基于点线特征合并的后端优化
61惯性测量误差模型与预积分
62基于滑动窗口的后端优化
621关键帧的选择
622融合视觉惯性信息的后端优化
623基于图像信息熵的点线融合模式
624边缘化策略
63亚像素级点线特征合并优化的定位算法
631滑动窗口算法
632SPML-VIO算法流程
64实验与分析
641定位精度实验分析
642真实场景实验分析
65本章小结
参考文献
第7章总结与展望
附录
附11坐标系及转换
附111相机几何模型
附112视觉相关坐标系
附113坐标系间的转换
附12IMU预积分
附13李群与李代数